java - Apache lucene : Sorting numbers and german umlauts

Question

Apache lucene 中是否有一个选项可以正确排序数字和德语变音符号，这意味着，例如“Ü”应解释为“Ue”，表示排序顺序为

U, Ü, Z 

而不是:

U, Z, Ü

类似于 lucene 默认值。

对数字进行排序

1, 2, 3, 100, 101, 102 

与 lucene 默认值不同:

1, 100, 101, 102, 2, 3

如何以这种方式解决条目？

谢谢!

Answer 1

是的，这是可能的。首先关于德语，在 Lucene 中处理语言的最佳方法是使用 ICU library 。对于 Lucene，我们有相应的 lucene-analyzers-icu 依赖项。

您可以使用 ICUCollat​​ionDocValuesField 对值进行排序。

final Collator instance = Collator.getInstance(ULocale.GERMAN);
final ICUCollationDocValuesField contents = new ICUCollationDocValuesField("contents", instance);

稍后使用此字段创建文档，您稍后将能够在此字段上排序并获得预期结果(例如 U、Ü、Z)

可以找到完整的工作示例 there

关于数字排序 - 您只需将它们排序而不是字符串(看起来您正在做)，但实际上将它们排序为数字 SortField.Type.INT 应该可以帮助您解决此问题